風(fēng)控必備的評分卡模型，TempoAI 10分鐘搞定
2020-09-18 15:44:33
次
8月20日，央行發(fā)布了《2020年第二季度支付體系運(yùn)行總體情況》，數(shù)據(jù)顯示，截至第二季度末，信用卡逾期半年未償信貸總額838.84億元，占信用卡應(yīng)償信貸余額的1.17%。與一季度相比，信用卡逾期總額出現(xiàn)小幅下滑，這與銀行在二季度采取嚴(yán)格的風(fēng)控措施有關(guān)。為了應(yīng)對信用卡帶來的大規(guī)模逾期，多家銀行在二季度開始加大信用卡整頓力度，而評分卡模型正是銀行最常見的金融風(fēng)控工具之一。
什么是評分卡模型
評分卡模型又叫做信用評分卡模型，最早由美國信用評分巨頭FICO公司于20世紀(jì)60年代推出，在信用風(fēng)險評估以及金融風(fēng)險控制領(lǐng)域中廣泛使用。銀行利用評分卡模型對客戶的信用歷史數(shù)據(jù)的多個特征進(jìn)行打分，得到不同等級的信用評分，從而判斷客戶的優(yōu)質(zhì)程度，據(jù)此決定是否準(zhǔn)予授信以及授信的額度和利率。
傳統(tǒng)的信貸風(fēng)控主要靠資深從業(yè)人員依靠自身的經(jīng)驗(yàn)設(shè)置的專家規(guī)則，相較而言，評分卡模型的使用具有很明顯的優(yōu)點(diǎn)。
首先，判斷快速。系統(tǒng)只需要按照評分卡逐項打分，最后通過相應(yīng)的公式計算出總分，即可準(zhǔn)確判斷出是否為客戶授信以及額度和利率；
其次，客觀透明。評分卡模型的標(biāo)準(zhǔn)是統(tǒng)一的，無論是客戶還是風(fēng)險審核人員，都可以通過評分卡一眼看出評分結(jié)果和評判依據(jù)；
最后，應(yīng)用范圍廣。由于評分卡的評分項是客觀計算，其得出的分?jǐn)?shù)具有廣泛的參考性和適用性。例如，生活中常見的支付寶芝麻信用分，就是依據(jù)評分卡模型計算得出。
評分卡模型建模過程復(fù)雜且耗時
隨著信貸業(yè)務(wù)規(guī)模不斷擴(kuò)大，客戶行為的數(shù)據(jù)呈現(xiàn)出爆炸式的增長，金融機(jī)構(gòu)對風(fēng)控工作的要求也逐漸提升，評分卡模型也變得越來越復(fù)雜。金融機(jī)構(gòu)需要耗費(fèi)更多的精力與時間去升級和維護(hù)評分卡模型以滿足風(fēng)險控制的需求。
在傳統(tǒng)的評分卡模型建模過程中，金融機(jī)構(gòu)的IT算法人員需要與業(yè)務(wù)人員進(jìn)行溝通，算法人員了解業(yè)務(wù)之后，通過編寫代碼來實(shí)現(xiàn)數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、變量篩選、算法實(shí)現(xiàn)、模型開發(fā)評估、評分轉(zhuǎn)換等一系列流程，不斷驗(yàn)證準(zhǔn)確度，優(yōu)化參數(shù)，最終生成評分卡模型。
評分卡模型構(gòu)建流程
- 數(shù)據(jù)認(rèn)知：基于實(shí)際業(yè)務(wù)場景理解數(shù)據(jù)內(nèi)容，發(fā)現(xiàn)數(shù)據(jù)與研究問題的關(guān)系。
- 數(shù)據(jù)處理：對原始數(shù)據(jù)進(jìn)行處理，包括不同數(shù)據(jù)源間的數(shù)據(jù)合并、數(shù)據(jù)規(guī)整化處理、缺失值處理等環(huán)節(jié)。
- 特征選擇：利用特征選擇方法，篩選出預(yù)測能力強(qiáng)的有效特征，合理降低特征總維度。
- 特征分箱：對特征自變量進(jìn)行離散化分箱處理。
- WOE轉(zhuǎn)換：特征分箱處理后，將變量進(jìn)行WOE編碼轉(zhuǎn)換。
- 模型建立：結(jié)合樣本數(shù)據(jù)建立模型及模型參數(shù)輸出過程。
- 模型評估：利用評估指標(biāo)對模型效果進(jìn)行評價。
- 評分轉(zhuǎn)換：將模型概率轉(zhuǎn)換為直觀評分以及生成評分卡。
10分鐘搞定評分卡模型建模
TempoAI 的金融板塊包含了評分卡和PSI（Population Stability Index）指標(biāo)計算兩大算子，在建立評分卡模型時，只需將平臺封裝好的相關(guān)算子拖入建模流程中，無需編寫代碼，就能輕松、快速完成模型的建立，解決了金融機(jī)構(gòu)在評分卡模型構(gòu)建中難度大、周期長的問題。
評分卡模型構(gòu)建流程
第一步：導(dǎo)入數(shù)據(jù)。使用數(shù)據(jù)管理下的數(shù)據(jù)輸入節(jié)點(diǎn)讀取評分卡數(shù)據(jù)集，包括客戶的基本信息、賬戶屬性、消費(fèi)行為、還款行為等。
數(shù)據(jù)導(dǎo)入頁面
第二步：數(shù)據(jù)過濾。選擇數(shù)據(jù)過濾節(jié)點(diǎn)，進(jìn)行條件設(shè)置，去除掉、缺失值以及異常值數(shù)據(jù)，完成行數(shù)據(jù)的過濾和篩選。
數(shù)據(jù)過濾設(shè)置頁面
第三步：WOE編碼。選擇WOE（Weight of Evidence）編碼節(jié)點(diǎn)對數(shù)值型字段進(jìn)行分箱編碼處理，根據(jù)違約與正?？蛻舻谋壤嬎悴煌侄螀^(qū)間的WOE值，根據(jù)WOE值計算每個字段IV值，根據(jù)IV值選擇比較重要的字段參與建模。
WOE編碼頁面
第四步：邏輯回歸分類算法。選擇邏輯回歸分類算法，設(shè)置自變量為WOE編碼后的字段進(jìn)行建模。
邏輯回歸分類算法
第五步：評分卡。選擇評分卡節(jié)點(diǎn)，讀取WOE模型、分類模型和數(shù)據(jù)集，得到客戶的評分。
評分卡節(jié)點(diǎn)配置界面
第五步：PSI指標(biāo)計算。通過計算實(shí)際數(shù)據(jù)集和期望數(shù)據(jù)集不同得分區(qū)間的樣本比例，根據(jù)PSI值的大小判斷模型的穩(wěn)定性和變量的穩(wěn)定性，從而判斷該變量是否需要加入模型，以及模型是否需要更新。
PSI指標(biāo)計算配置界面
至此，評分卡模型的整個建模過程就完成了。
評分卡模型的算法原理雖然不是特別復(fù)雜，但在風(fēng)控領(lǐng)域中有著不可替代的地位。隨著消費(fèi)金融領(lǐng)域的不斷擴(kuò)展，不僅銀行，越來越多的金融機(jī)構(gòu)，尤其是小額信貸企業(yè)也開始利用評分卡模型完善風(fēng)控制度。
在過去，評分卡模型建模技術(shù)一直掌握在大型金融機(jī)構(gòu)的少數(shù)人手里。TempoAI通過內(nèi)置專門的金融分析算法，封裝WOE編碼以及評分卡、PSI指標(biāo)計算等算法，將評分卡模型建模時間從1-2個月縮短到了數(shù)小時，有經(jīng)驗(yàn)的IT人員10分鐘即可完成整個建模過程，不僅大幅提升了建模的工作效率，而且圖形化、拖拽式的建模方式對人員的技術(shù)要求大大下降，不再需要經(jīng)過專業(yè)訓(xùn)練的數(shù)據(jù)科學(xué)家，普通的業(yè)務(wù)人員也能夠獨(dú)立完成評分卡模型的構(gòu)建，直接進(jìn)行風(fēng)控決策。
TempoAI始終秉持“智能、互動、增值”的設(shè)計理念，為企業(yè)級用戶提供自助式、自動化、智能化的分析模型構(gòu)建服務(wù)，完整的覆蓋數(shù)據(jù)接入、模型構(gòu)建、流程洞察、成果部署等數(shù)據(jù)價值發(fā)現(xiàn)全過程，支持9大類分析場景算法、120+種分布式算法、5種獨(dú)創(chuàng)算法、5種深度學(xué)習(xí)算法及4種以上集成學(xué)習(xí)算法，幫助500+行業(yè)頭部企業(yè)實(shí)現(xiàn)1300+AI場景應(yīng)用落地，涵蓋能源、制造、金融、教育、政務(wù)、通信、零售等多個領(lǐng)域，解決企業(yè)AI落地難題，促進(jìn)企業(yè)“全民數(shù)據(jù)科學(xué)家”的數(shù)據(jù)運(yùn)營文化建設(shè)。
Tempo商業(yè)智能平臺
Tempo人工智能平臺
Tempo數(shù)據(jù)工廠平臺
Tempo指標(biāo)平臺
Tempo數(shù)據(jù)治理平臺
Tempo主數(shù)據(jù)管理平臺
首頁
美林?jǐn)?shù)據(jù)
大數(shù)據(jù)分析與應(yīng)用
陜公網(wǎng)安備 61019002000171號
